Programme > Conférenciers invités

Data science without the data

As data scientists, we sometimes find ourselves faced with the daunting task of writing code without actually seeing the data we are working with. Whether it's due to data privacy concerns, limited access, or simply data that has not yet been collected, we often have to rely on incomplete or synthetic data to develop and test our code.

In a recent project, we worked on patient-level data. As such, the controls around the data and analysis (were rightfully) tightly controlled. We'll share how we used dummy data and mock-ups to inform code development, maintaining flexibility and adaptability in the face of changing data requirements. We'll also discuss the importance of and collaboration between developers and subject experts to ensure that code is developed with a deep understanding of the data domain

By understanding these challenges and developing effective strategies for overcoming them, we can ensure that our code is robust, reliable, and effective, even in the absence of direct data access.

L'écosystème spatial de R

Si R permet depuis longtemps de traiter les données spatiales, plusieurs packages assez récents (sf, terra, stars...) ont renouvelé le socle permettant la mise en œuvre de ces traitements.

La plupart des développements actuels s'appuient sur ce socle et forment un écosystème robuste qui offre aux utilisateurs la plupart des fonctionnalités autrefois réservées aux Systèmes d'Information Géographique.

Lors de cet exposé nous montrerons un panorama de l'écosystème spatial de R. Nous illustrerons ce panorama à travers une série d'exemples mobilisant des données de natures différentes (données vectorielles et données matricielles ou raster) issues de la base de données géographiques libre OpenStreetMap.

Nous aborderons notamment l'acquisition, la manipulation et la cartographie de données géographiques, les opérations classiques de géotraitement ainsi que des traitements plus poussés d'analyse spatiale.

R in the Dataviz universe

Avec une vaste gamme d'outils, de cas d'utilisation et de types de graphiques disponibles, il peut être difficile de naviguer dans l'univers de la visualisation de données (dataviz).Dans cette présentation, nous explorerons comment la dataviz est utilisée par diverses professions : la recherche, le journalisme de données, la‘business intelligence’, et d’autres.Nous examinerons les différents outils disponibles, en mettant l'accent sur R.

Bien que chaque outil ait ses forces et ses faiblesses, R est devenu un choix populaire parmi les scientifiques et analystes de données. Nous explorerons la position de R dans l'écosystème de la dataviz, en mettant en évidence ses avantages et ses limitations. Nous examinerons également d3.js, une bibliothèque JavaScript populaire pour créer des graphiques, et la comparerons à R en termes de ses capacités et limitations.

Que vous soyez nouveau dans la visualisation de données ou un praticien expérimenté, cette présentation vous fournira des connaissances précieuses sur l'univers de la dataviz et vous équipera des connaissances nécessaires pour choisir le bon outil pour vos besoins.

Pastels, paillettes et packages pour accompagner la recherche avec R

Tips pour combattre le syndrome de l'imposteur

Qui n'a pas un jour prononcé la phrase : J'ai l'impression d'être un imposteur ? Je ne me sens pas légitime de faire ceci ou de faire cela ?

Certaines personnes sont persuadées qu'elles ne méritent pas leur succès, malgré les efforts qu'elles fournissent pour réussir. Elles s'auto-persuadent souvent que leur réussite n'est pas liée à leur travail, leur accomplissement personnel, mais tout bonnement à la chance ou bien au travail des autres. De fait, elles vivent en permanence avec un sentiment de duperie et craignent sans cesse que quelqu'un ne les démasque d'un jour à un autre.

Dans ce talk nous ferons un retour sur ce qu'est le syndrome de l'imposteur, comment il se reflète au quotidien et nous verrons que ce n'est pas une fatalité, au contraire, qu'il existe des tips et astuces pour le combattre, se dépasser et s'améliorer.